趙超群，仲 姚

(1.上海理工大學 管理學院，上海 200093；2.上海海事大學 科學研究院，上海 201306)

一、前言

20世紀90年代以來，我國中小企業(yè)發(fā)展迅速，已經(jīng)逐步成為國民經(jīng)濟的重要組成部分，為經(jīng)濟和社會發(fā)展做出了重要的貢獻。中小企業(yè)的發(fā)展離不開金融支持，而如何滿足中小企業(yè)的信貸需求已經(jīng)成為商業(yè)銀行面臨的新課題。對于商業(yè)銀行來說，中小企業(yè)信貸是新的具有發(fā)展前途的重要業(yè)務，但風險大、成本高、效率低。面對這種兩難處境，商業(yè)銀行需要對中小企業(yè)進行信用評估，解決中小企業(yè)信貸決策中遇到的難題。目前，國內學術界對中小企業(yè)信用評價的研究很多，例如范柏乃和朱文斌[1]、譚中明[2]、王素義和朱傳華[3]、劉廣斌和郭富貴[4]、程云喜[5]等分別進行了相關研究，建立了評價指標體系和評價方法。在實踐方面，國內商業(yè)銀行的信用評價方法主要針對大型企業(yè)，對中小企業(yè)不太適合。因為中小企業(yè)規(guī)模小，按照一般大型企業(yè)的信用評價方法很難達到規(guī)定要求；同時，中小企業(yè)數(shù)量眾多，貸款需求總量較大，單筆需求卻比較小，商業(yè)銀行如果對于中小企業(yè)的貸款申請都采取對大型企業(yè)信貸審核的辦法將會帶來高昂的作業(yè)和管理成本，降低效率和效益。為此，本文結合商業(yè)銀行和中小企業(yè)的實際，對中小企業(yè)的信貸問題進行研究，希望提高商業(yè)銀行中小企業(yè)信貸決策的效率和效果，發(fā)展中小企業(yè)信貸業(yè)務，降低中小企業(yè)信貸風險，促進中小企業(yè)發(fā)展。

二、中小企業(yè)初步篩選的標準

根據(jù)中小企業(yè)貸款金額小、頻率高、時間急的特點，商業(yè)銀行需要對申請貸款的中小企業(yè)進行初步篩選，直接淘汰不符合貸款條件的中小企業(yè)，對留下的初步符合貸款條件的中小企業(yè)進行信用評價，進而進行中小企業(yè)貸款決策。

在具體篩選時，商業(yè)銀行需要根據(jù)自身實際，制定可操作性的評價指標。我們采用下列評價指標進行中小企業(yè)信貸的初步篩選，即符合下列指標之一的中小企業(yè)直接淘汰；而經(jīng)過篩選保留下來的中小企業(yè)需要進行進一步的研究。這些具體標準是：(1)企業(yè)領導人曾在人行逃廢債企業(yè)名單、銀監(jiān)會不良客戶清單以及在人行征信系統(tǒng)中有不良貸款記錄的企業(yè)擔任過負責人，或者個人從業(yè)經(jīng)歷中有破產(chǎn)行為并且有逃廢銀行及社會債務的，或者其他惡意欠債行為的；(2)企業(yè)領導人曾被公安機關行政處罰并且有嚴重賭博、吸毒等惡性不良行為的；(3)企業(yè)在最近2 年內發(fā)生逾期(15 天以上)、欠息(15 天以上)、空頭支票行為三次或三次以上的；(4)企業(yè)對外或有負債超過企業(yè)凈資產(chǎn)200%的；(5)企業(yè)連續(xù)兩年虧損的，或者累計虧損超過凈資產(chǎn)70%的；(6)企業(yè)領導人個人從業(yè)年限小于6年的；(7)企業(yè)成立年限小于3年的；(8)銷售增長程度達不到連續(xù)兩年增長且平均增長20%以上的；(9)或有負債/實收資本超過70%的。

三、中小企業(yè)貸款信用評價指標體系的構建及其應用

(一)中小企業(yè)貸款信用評價指標體系的構建

對于經(jīng)過初步篩選保留下來的中小企業(yè)，需要建立評價指標體系，進行信用評價。我們采用的具體評價指標體系包括：(1)企業(yè)整體情況，包括企業(yè)業(yè)主私人主要資產(chǎn)情況和交叉銷售情況兩個指標；(2)企業(yè)財務狀況，包括凈資產(chǎn)收益率、資產(chǎn)負債比率、應收賬款周轉率、現(xiàn)金比率、經(jīng)營性現(xiàn)金流凈資產(chǎn)比率等五個指標；(3)企業(yè)在貸款商業(yè)銀行的結算情況，包括企業(yè)在貸款商業(yè)銀行的開戶結算年限和企業(yè)銷售收入歸行率兩個指標。

(二)中小企業(yè)貸款信用評價指標體系的應用

在構建商業(yè)銀行信用評價模型的過程中，利用因子分析技術，從反映貸款企業(yè)信用風險的財務指標體系中提取不可測的公共因子，并運用與主成分分析類似的科學賦權方法賦予公共因子科學的權重，按照權重計算出因子得分的綜合評價值，以綜合評價值來反映貸款企業(yè)的信用風險。對上述反映信用風險的因子綜合評價值進行排序劃分，按此結果即可判斷信貸違約率的高低，以更好地指導風險計量與后續(xù)風險管理工作。利用因子分析模型進行中小企業(yè)貸款信用評價的基本步驟如下。

(1)建立因子模型。建立因子模型X=AF+ε，其中，X是標準化以后的原始數(shù)據(jù)陣，F(xiàn)為公共因子，ε為特殊因子，矩陣A稱作公共因子載荷矩陣(簡稱因子載荷陣)。

(4)計算因子得分。在獲得公共因子和因子載荷以后，還需要計算各樣本的因子得分，以便綜合考慮各公共因子對評價指標的影響權重，并在排除特殊因子的影響以后，對各企業(yè)信用指標在各個因子上做出評價。

統(tǒng)計模型將公共因子F用變量的線性組合表示，以各因子方差貢獻率占因子總方差貢獻率的比重作為權重進行加權匯總，計算出綜合得分。在進行信用評價的過程中，從眾多反映信用風險信息的指標中計算出包含充分指標信息的公共因子，這些公共因子比原始財務指標具有更優(yōu)的統(tǒng)計特征，運用科學的線性公共因子組合值即因子得分作為反映信用風險的變量。運用上述思路構建的商業(yè)銀行中小企業(yè)信用評價模型可以較好地解決評價指標選擇與指標權重的確定問題。

四、用因子分析模型進行中小企業(yè)貸款信用評價的實證分析

(一)變量的相關性檢驗

因子分析要求各變量間必須有相關性。這種相關性可以使用KMO統(tǒng)計量和Bartlett’s球形檢驗加以判定。通過對收集數(shù)據(jù)的處理，得到相關檢驗結果(見表1)。檢驗結果表明，Bartlett值=99.453，P=0.000，即各指標相關系數(shù)矩陣不是一個單位矩陣，故有必要進行因子分析；KMO值 = 0.635，意味著因子分析的結果可以接受。

表1 KMO和巴特利特球度檢驗結果

(二)計算共同度，提取公共因子

表2為變量共同度表，第一列為本研究中選擇的9個變量，第二列是根據(jù)因子分析初始解計算出的變量共同度，第三列是根據(jù)因子分析最終解計算出的變量共同度。利用主成分分析方法得到9個特征值，它們是因子分析的初始解。利用這9個特征值和對應的特征向量可以計算出因子載荷矩陣。

表2 變量共同度表

我們采用主成分法提取公共因子。該方法假設變量是因子的純線性組合。第一成分有最大的方差，后續(xù)的成分，其可解釋的方差逐個遞減。指定以分析變量的協(xié)方差矩陣作為提取因子的依據(jù)。由計算出的主成分特征值及其貢獻率，可以看出前五個主成分已經(jīng)包含了原始變量 81.105%的信息量，一般來說，提取主成分的累積貢獻率達到80%以上就比較滿意了，因此選擇前5個主成分作為綜合評價的公共因子(見表3)。

表3 因子提取和旋轉結果(主成分特征值及貢獻率)

Extraction Method：Principal Component Analysis.

(三)確定因子載荷矩陣，建立因子分析模型

因子載荷矩陣見表4。

表4 因子載荷矩陣

表4的輸出結果是最終的因子載荷矩陣，由此可以建立因子分析模型：

X1=0.714F1+0.187F2+0.114F3-0.001F4+0.414F5.

X2=0.734F1+0.143F2+0.354F3+0.173F4-0.074F5.

?

X9= -0.087F1+0.883F2+0.035F3+0.037F4+0.122F5.

輸出結果中的每個數(shù)據(jù)表示了相應因子變量對相應原變量的相對重要程度。

因子載荷矩陣中各因子載荷不能很好地分辨出各因子所包含的屬性，還要對表4中數(shù)據(jù)進行因子旋轉，使得屬性能更好的判別。在旋轉方法上，采用方差最大化方法。

從表5可以看出，第一個因子變量在凈資產(chǎn)收益率上的載荷0.559、在資產(chǎn)負債比率上的載荷-0.820以及在經(jīng)營性現(xiàn)金流凈資產(chǎn)比率上的載荷0.875，其絕對值相對較高，反映了凈資產(chǎn)收益率、資產(chǎn)負債比率和經(jīng)營性現(xiàn)金流凈資產(chǎn)比率這三個指標(表5中用黑體標出)；同理，第二個因子變量反映了企業(yè)業(yè)主私人主要資產(chǎn)情況、交叉銷售情況和銷售收入歸行率這三個指標；第三個因子變量反映了在研究中的某行開戶結算年限這個指標；第四個因子變量反映了現(xiàn)金比率這個指標；第五個因子變量反映了應收賬款周轉率這個指標。這樣原有的九個指標就清晰地劃入到五個因子中。

表5 旋轉后的因子載荷矩陣

(四)計算因子得分

我們采用回歸法計算因子得分。經(jīng)SPSS軟件處理后，因子得分如表6所示。

表6 因子得分系數(shù)矩陣

根據(jù)該矩陣以及變量的觀測值可計算因子得分，如：

FAC1-1= 0.145X1+0.058X2+0.049X3-0.147X4+0.287X5-0.440X6+0.043X7+0.040X8+0.464X9.

X1～X9按順序代表數(shù)據(jù)表中的各個變量，各變量均為經(jīng)過均值為0，標準差為1標準化后的變量。代入本研究中標準化數(shù)據(jù)表(略)中的第一個企業(yè)數(shù)據(jù)，得

FAC11-1=0.145×(-0.87)+ 0.058×(-0.94) +0.049×(-0.48)-0.147×(-0.37)+0.287×0.94-0.440×1.02+0.043×0.78+0.040×2.03+0.464×(-1.11) = -0.73.

其他計算方法相同，旋轉以后計算的因子得分見表7。

(五)計算各企業(yè)綜合信用評價得分

要進行中小企業(yè)貸款信用評價，首先要計算出各個因子得分，再計算出各中小企業(yè)的綜合得分(本研究中50家企業(yè)的數(shù)據(jù)選自某銀行數(shù)據(jù)統(tǒng)計)，以對其差異性進行研究。以5個主成分的方差貢獻率作為權數(shù)，將各因子得分代入計算出各樣本企業(yè)的信用評價綜合得分：

表7 旋轉后的因子得分表

FAC1=(0.210×FAC1-1+0.207×FAC2-1+0.154×FAC3-1+0.127×FAC4-1+0.113×FAC5-1)/0.811.

按照這個公式，就可以計算出各企業(yè)信用評價的綜合得分，并按得分大小進行排名，將得分大于0的劃為第一組(可直接給予貸款的相對低風險的企業(yè))，將得分小于0的劃為第二組(暫不給予貸款的相對高風險的企業(yè))，結果如表8所示。

表8 按因子得分降序排列并分組表

五、結論

面對大量中小企業(yè)的貸款需求，商業(yè)銀行首先需要按照一定的標準進行初步篩選，直接淘汰那些不符合自身要求的中小企業(yè)。對于經(jīng)過初步篩選保留下來的中小企業(yè)，則進行信用評價。利用本研究建立的中小企業(yè)信用評價指標和因子分析評價方法，可以將中小企業(yè)分為兩類，一類可以直接予以貸款，另一類則暫時不予貸款。實證分析結果表明，商業(yè)銀行可以直接給予信貸的中小企業(yè)具有較高的企業(yè)業(yè)主私人主要資產(chǎn)、較多的交叉銷售，較長的在貸款商業(yè)銀行的開戶結算年限、略高的資產(chǎn)負債比率以及較高的經(jīng)營性現(xiàn)金流凈資產(chǎn)比率等特征。

參考文獻：

[1] 范柏乃，朱文斌.中小企業(yè)信用評價指標的理論遴選與實證分析[J].科研管理，2003，(11)：83-87.

[2] 譚中明.中小企業(yè)信用評價體系研究[J].學術論壇，2009，(5)：123-127.

[3] 王素義，朱傳華.中小企業(yè)信用評價指標的選擇與拓展[J].生產(chǎn)力研究，2009，(11)：180-181.

[4] 劉廣斌，郭富貴.中小型科技企業(yè)信用評價指標的構建與篩選[J].工業(yè)技術經(jīng)濟，2009，(8)：51-54.

[5] 程云喜.中小企業(yè)信用的模糊綜合評價方法研究[J].生產(chǎn)力研究，2008，(4)：137-138.